一种结合比值变换和分布转换的遥感图像融合方法技术

本发明专利技术公开了一种结合比值变换和分布转换的遥感图像融合方法，包括：对全色图像和上采样多光谱图像进行均值滤波处理，获得全色图像高频分量和上采样多光谱图像高频分量，基于此获得多光谱图像缺失的高频细节，记作第一高频细节；对第一高频细节进行标准正态化处理，获得第二高频细节；计算上采样多光谱图像中各个通道中每个像素的均值和标准差；将上采样多光谱图像和第一高频细节进行拼接后输入至卷积网络中，生成两种仿射变换参数，将上述获得的均值和标准差注入第二高频细节中，生成和上采样多光谱图像同分布的高频细节，基于此结合上采样多光谱图像，获得最终的融合图像。通过该方法解决了现有遥感图像融合算法中光谱失真和细节失真的问题。真和细节失真的问题。真和细节失真的问题。

【技术实现步骤摘要】
一种结合比值变换和分布转换的遥感图像融合方法


[0001]本专利技术属于数字图像处理
，特别是一种结合比值变换和分布转换的遥感图像融合方法。

技术介绍

[0002]随着我国航空航天技术的蓬勃发展，越来越多的携带着多种不同传感器的卫星发射升空，遥感图像在对地观测中扮演越来越重要的角色。受限于卫星的负载能力，对于同一颗卫星采集的全色图像与多光谱图像来说，全色图像的空间分辨率较高但光谱分辨率较低(通常只有一个波段)，多光谱图像的空间分辨率较低但光谱分辨率较高(通常有超过4个波段)。在遥感图像的实现应用中，人们不会同时用到多光谱图像和全色图像。通常采取融合策略，将两者融合生成一张拥有高空间分辨率的多光谱图像。高空间分辨率多光谱图像的特点是具有多光谱图像的光谱分辨率的同时还有全色图像的空间分辨率，可以清晰地识别细小的地物，更有利于环境检测和灾害预防。遥感图像融合技术是多源遥感数据处理技术中重要研究方向，涉及传感器技术、信号处理、计算机应用和图像处理等多方向的边缘交叉学科，被广泛应用于城市规划、地理探测、植被农业评估、军事国防和环境污染等领域，对我国遥感行业的建设发展具有重要的实际意义。
[0003]现有的遥感图像融合算法种类繁多，虽能在一定程度上满足融合的需求，但他们都有各自的不足，其中最主要的问题是融合的图像仍存在着失真问题。图像失真分为光谱失真和细节失真，基于成分替代和基于多分辨率分析的方法存在着光谱失真，基于深度学习的方法存在着细节失真。失真的存在使得融合图像不能像原始图像一样直接使用，必须考虑其存在的偏差问题，因此所获得的应用价值有限。
[0004]因此，如何解决现有遥感图像融合算法中光谱失真和细节失真的问题，成为当前研究的关键问题。

技术实现思路

[0005]鉴于上述问题，本专利技术提供一种至少解决上述部分技术问题的结合比值变换和分布转换的遥感图像融合方法，该方法通过深度神经网络生成低分辨率全色图像，再和全色图像进行比值运算，生成多光谱图像缺失的高频细节，从而解决低分辨率图像与全色图像灰度差异过大导致的细节失真问题；通过增益算法将高频细节转化为符合多光谱图像分布的光谱增益因子(即和上采样多光谱图像同分布的高频细节)，再注入到多光谱图像中生成融合图像，从而极大保留多光谱图像的光谱信息；最终获得更好的高分辨率多光谱融合图像。
[0006]本专利技术实施例提供了一种结合比值变换和分布转换的遥感图像融合方法，包括：
[0007]1、一种结合比值变换和分布转换的遥感图像融合方法，其特征在于，包括：
[0008]S1、分别对全色图像和上采样多光谱图像进行均值滤波处理，获得对应的全色图像高频分量和上采样多光谱图像高频分量；
[0009]S2、基于所述全色图像、上采样多光谱图像、全色图像高频分量和上采样多光谱图像高频分量，获得多光谱图像缺失的高频细节，记作第一高频细节；
[0010]S3、对所述第一高频细节进行标准正态化处理，获得标准正态化后的高频细节，记作第二高频细节；并计算所述上采样多光谱图像中各个通道中每个像素的均值和标准差；
[0011]S4、将所述上采样多光谱图像和所述第一高频细节进行拼接后输入至卷积网络中，生成第一仿射变换参数和第二仿射变换参数；
[0012]S5、基于所述第一仿射变换参数和第二仿射变换参数，将所述上采样多光谱图像中各个通道中每个像素的均值和标准差注入到所述第二高频细节中，生成和所述上采样多光谱图像同分布的高频细节，记作第三高频细节；
[0013]S6、基于所述第三高频细节，结合所述上采样多光谱图像，获得最终的融合图像。
[0014]进一步地，所述S1具体包括：
[0015]S11、获取全色图像和多光谱图像；
[0016]S12、对所述多光谱图像进行上采样，得到和所述全色图像同尺度的上采样多光谱图像；
[0017]S13、分别对所述全色图像和上采样多光谱图像进行均值滤波卷积计算，获得对应的全色图像低频分量和上采样多光谱图像低频分量；
[0018]S14、分别用所述全色图像和上采样多光谱图像与各自对应的低频分量作差，获得对应的全色图像高频分量和上采样多光谱图像高频分量。
[0019]进一步地，所述S2具体包括：
[0020]S21、将所述上采样多光谱图像高频分量和所述全色图像高频分量拼接并同时输入卷积网络，生成低分辨率全色图像高频分量；
[0021]S22、将所述上采样多光谱图像和所述全色图像拼接并同时输入网络，生成低分辨率全色图像；
[0022]S23、将所述低分辨率全色图像高频分量加入到所述低分辨率全色图像中，得到修正之后的低分辨率全色图像；
[0023]S24、将所述全色图像和所述低分辨率全色图像进行比值变换，获得多光谱图像缺失的细节，记作第一高频细节。
[0024]进一步地，所述S3中，对所述第一高频细节进行标准正态化处理，具体包括：
[0025](1)计算所述第一高频细节中每个像素的均值，公式表示为：
[0026][0027]其中，μ
detail
表示第一高频细节中每个像素的均值；P
detail
表示第一高频细节；P
detaily,x
表示第一高频细节中每个像素点的取值；H代表图像高度；W代表宽度；x代表像素点的横坐标；y代表像素点的纵坐标；
[0028](2)计算所述第一高频细节中每个像素的标准差；公式表示为：
[0029][0030]其中，σ
detail
表示第一高频细节中每个像素的标准差；ε表示常数；
[0031](3)基于所述第一高频细节中每个像素的均值和标准差，对所述第一高频细节进行标准正态化处理，获得标准正态化后的高频细节，记作第二高频细节；计算公式表示为：
[0032][0033]其中，表示标准正态化后的高频细节，即第二高频细节。
[0034]进一步地，所述S3中，计算所述上采样多光谱图像中各个通道中每个像素的均值和标准差，具体包括：
[0035](1)计算所述上采样多光谱图像中各个通道中每个像素的均值；公式表示为：
[0036][0037]其中，表示上采样多光谱图像中各个通道中每个像素的均值；H代表图像高度；W代表宽度；x代表像素点的横坐标；y代表像素点的纵坐标；表示c通道的(x，y)位置的像素值；
[0038](2)根据所述上采样多光谱图像中各个通道中每个像素的均值，计算所述上采样多光谱图像中各个通道中每个像素的标准差；公式表示为：
[0039][0040]进一步地，所述S4中，所述第一仿射变换参数用于调整所述上采样多光谱图像中各个通道中每个像素的均值；
[0041]所述第二仿射变换参数用于调整所述上采样多光谱图像中各个通道中每个像素的标准差。
[0042]进一步地，所述第三高频细节表示为：
[0043][0044]其中，表示第c通道的第三高频细节；表示上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合比值变换和分布转换的遥感图像融合方法，其特征在于，包括：S1、分别对全色图像和上采样多光谱图像进行均值滤波处理，获得对应的全色图像高频分量和上采样多光谱图像高频分量；S2、基于所述全色图像、上采样多光谱图像、全色图像高频分量和上采样多光谱图像高频分量，获得多光谱图像缺失的高频细节，记作第一高频细节；S3、对所述第一高频细节进行标准正态化处理，获得标准正态化后的高频细节，记作第二高频细节；并计算所述上采样多光谱图像中各个通道中每个像素的均值和标准差；S4、将所述上采样多光谱图像和所述第一高频细节进行拼接后输入至卷积网络中，生成第一仿射变换参数和第二仿射变换参数；S5、基于所述第一仿射变换参数和第二仿射变换参数，将所述上采样多光谱图像中各个通道中每个像素的均值和标准差注入到所述第二高频细节中，生成和所述上采样多光谱图像同分布的高频细节，记作第三高频细节；S6、基于所述第三高频细节，结合所述上采样多光谱图像，获得最终的融合图像。2.如权利要求1所述的一种结合比值变换和分布转换的遥感图像融合方法，其特征在于，所述S1具体包括：S11、获取全色图像和多光谱图像；S12、对所述多光谱图像进行上采样，得到和所述全色图像同尺度的上采样多光谱图像；S13、分别对所述全色图像和上采样多光谱图像进行均值滤波卷积计算，获得对应的全色图像低频分量和上采样多光谱图像低频分量；S14、分别用所述全色图像和上采样多光谱图像与各自对应的低频分量作差，获得对应的全色图像高频分量和上采样多光谱图像高频分量。3.如权利要求1所述的一种结合比值变换和分布转换的遥感图像融合方法，其特征在于，所述S2具体包括：S21、将所述上采样多光谱图像高频分量和所述全色图像高频分量拼接并同时输入卷积网络，生成低分辨率全色图像高频分量；S22、将所述上采样多光谱图像和所述全色图像拼接并同时输入网络，生成低分辨率全色图像；S23、将所述低分辨率全色图像高频分量加入到所述低分辨率全色图像中，得到修正之后的低分辨率全色图像；S24、将所述全色图像和所述低分辨率全色图像进行比值变换，获得多光谱图像缺失的细节，记作第一高频细节。4.如权利要求1所述的一种结合比值变换和分布转换的遥感图像融合方法，其特征在于，所述S3中，对所述第一高频细节进行标准正态化处理，具体包括：(1)计算所述...

【专利技术属性】
技术研发人员：章黎明，韦星星，袁茂洵，李波，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：